在线教育环境下基于学习者画像的成绩预测研究

在文献综述基础上，利用学习者画像描述学习者特征优势，提出学习成绩预测流程。包括确定目标、构建标签体系和数据建模、数据采集与预处理、学习者画像分析与输出、实施学习成绩预测等步骤。展开案例分析，根据交互属性、兴趣属性、能力属性和知识属性标签特征，依次对学习者进行个人画像和聚类画像分析。采用K-means聚类算法将学习者聚类为主动赶超者、积极协作者、潜在建构者和被动接受者四类重要群体，选用Logistics回归模型深入预测了各类群学习者的学习成绩变化特征，从不同角度评价了学习者的学习效果，为教育利益相关者提供参考。